自動化されたCの大きなビジョンモデルフレームワーク エレガンス分析:静的形態測定から動的神経活動まで

科学分野:

• コンピュータ生物学
• 神経科学
• 発達生物学

背景:

• Caenorhabditis elegansの定量的なフェノタイプ化は極めて重要ですが,データ抽出のボトルネックが妨げられています.
• 伝統的なセグメンテーション方法は,画像の変異 (ノイズ,重複,照明) と苦戦し,手作業や特殊な機器を必要とします.

研究 の 目的:

• TWARDIS (ワーム自動認識とダイナミックイメージングシステムのツール) を導入し,C. elegansの画像解析を自動化するAI駆動のPythonスイート.
• 静的,行動的,ニューラルイメージングのモダリティにおいてTWARDISの強さと多用途性を実証する.

主な方法:

• 大きな基盤のビジョンモデル (セグメント・アニバーテッド・モデル-SAMとSAM2) と微調整されたビジョン・トランスフォーマー分類器を活用した.
• 自動化されたセグメンテーションとフェノタイプ化のためのモジュール化された Python ベースの分析スイートを開発しました.
• 静的な形状や 泳ぎ回りや カルシウム検査で確認した

主要な成果:

• 静的な形状のマニュアルセグメンテーションで0.999の相関性を達成し,騒々しい画像で重複するワームを解明しました.
• フレーム・リジェクションなしの 低解像度行動録画で 高解像度姿勢分析を可能にしました
• 精密な神経区切りと 正確な頭部位置抽出を カルシウム画像データで提供した.

結論:

• TWARDISは複雑なC. elegans画像分析を効果的に自動化し,重要なボトルネックやトレードオフを排除します.
• AIシステムは,さまざまな研究アプリケーションのフェノタイプ化におけるスループットを向上させ,バイアスを軽減します.
• TWARDISのモジュラーでスケーラブルな設計は,現在のアクセシビリティとC. elegansの研究の将来の進歩をサポートします.